一键抠图,毛发毕现:这个GitHub项目助你快速PS

2020-05-09 14:15 176 阅读 ID:6
机器之心
机器之心

项目地址:https://github.com/pymatting/pymatting

无需手动,一键抠图

抠图的 AI 应用场景是这样的:给定一张图像,通过划定一个区域,AI 应当能够估计到划定区域内的前景图目标,并将这个前景完整地抽取出来,用来替换到其他背景的图像中去。

因此,抠图需要两个 AI 能力:首先,AI 需要能够在划定的区 域内识别目标。其次,AI 要能够完整地将目标抽取出来,没有划定错误的边缘、模糊的图像等问题。

上图为项目作者提供的示例。给定一只动物的图像(左上),以及人划定的区域(右上),算法应当能够获得划定区域内目标的阿尔法通道,即区分前景和背景的黑白轮廓(左下)。有了这一数据,就可以从原图中抠去目标,并移动到新的图像中去(右下)。

据项目介绍,PyMatting 具有以下特性。

首先,项目能够完成阿尔 法抠图(Alpha Matting),其中包括 Closed-Form 抠图、大核抠图(Large Kernel Matting)、KNN 抠图、基于学习的数字抠图(Learning Based Digital Matting)、随机游走(Random Walk)抠图等算法。

同时,项目也能完成前景预估,包括 Clos Form 前景预估和多级别前景预估(基于 CPU、CUDA 和 OpenCL 等)算法。

该 项目还可以进行快速多线程 KNN 搜索、不完全阈值化楚列斯基分解(incomplete thresholded Cholesky decomposition)、V 轮几何多网格预条件子(V-Cycle Geometric Multigrid preconditioner)等。

使用方法

在使用前,你需要保证电脑安装相应的 Python 环境(Python 3),同时需要以下安装包:

  • numpy>=1.16.0

  • pillow>=5.2.0

  • numba>=0.47.0

  • scipy>=1.1.0

由于项目需要 GPU,因此也需要 GPU 相关支持:

  • cupy-cuda90>=6.5.0 or similar

  • pyopencl>=2019.1.2

除此之外,为了进行测试,也需要:

  • pytest>=5.3.4

为了方便使用,作者提供了一些示例代码。例如,如下代码中,给定原始图像和抠图框,可以抽取出阿尔法前景:

from pymatting import cutout
  
  cutout(
      # input image path"data/lemur.png",
      # input trimap path"data/lemur_trimap.png",
      # output cutout path"lemur_cutout.png")
  

作者还提供了高级代码,直接进行抠图,生成新图像:

image = load_image("../data/lemur/lemur.png", "RGB", scale, "box")
  trimap = load_image("../data/lemur/lemur_trimap.png", "GRAY", scale, "nearest")
  
  # estimate alpha from image and trimap
  alpha = estimate_alpha_cf(image, trimap)
  
  # make gray background
  new_background = np.zeros(image.shape)
  new_background[:, :] = [0.5, 0.5, 0.5]
  
  # estimate foreground from image and alpha
  foreground, background = estimate_foreground_ml(image, alpha, return_background=True)
  
  # blend foreground with background and alpha, less color bleeding
  new_image = blend(foreground, new_background, alpha)

除了代码示例外,项目还提供了测试代码,可在主目录中运行:

python3 tests/download_images.py
  pip3 install -r requirements_tests.txt
  pytest

这一测试能够覆盖 89% 的代码。

除了项目外,作者还提供了不同的抠图算法的基准测试结果,如下所示:

不同算法在测试数据集上的均方误差大小。

可以看出,基于学习的算法和 Closed-Form 算法都能取得不错的效果。

完整的基准测试结果:https://pymatting.github.io/benchmark.html

免责声明:作者保留权利,不代表本站立场。如想了解更多和作者有关的信息可以查看页面右侧作者信息卡片。
    快抢沙发!
    反馈
    to-top--btn